用于AER图像传感器的实时特征提取方法与流程

技术特征：

1.一种用于AER图像传感器的实时特征提取方法，其特征是，AER图像传感器的输出事件作为特征提取的输入，经过卷积层S1的卷积操作，再经过类最大化操作C1层的最大化操作，即能够提取出相应的特征信息；其中，实现事件的卷积操作的S1层中包含N1个卷积模块，每个卷积模块都配置一种卷积核，采用Gabor函数来计算生成卷积核，Gabor函数的计算如公式(1)所示：

$F_{\mathrm{\θ}}(\mathrm{\μ},\mathrm{\υ})=e^{(-\frac{{\mathrm{\μ}}_0^2+{\mathrm{\γ}}^2{\mathrm{\υ}}_0^2}{2{\mathrm{\σ}}^2})}cos\left(\frac{2\mathrm{\π}}{\mathrm{\λ}}{\mathrm{\μ}}_0\right)$

μ₀＝μcosθ+νsinθ

ν₀＝-μsinθ+νcosθ (1)

其中μ和ν分别代表生成的卷积核的横纵坐标，λ代表正弦函数波长；θ代表Gabor核函数的方向，σ代表高斯函数的标准差，γ代表空间长宽比，决定Gabor函数的形状，μ₀是横坐标的转向坐标，ν₀是纵坐标的转向坐标。

2.如权利要求1所述的用于AER图像传感器的实时特征提取方法，其特征是，C1层对S1层的卷积结果进行最大化操作来进一步提取特征，最大化操作是采用两级的MAX操作来提取特征，第一级的最大化操作是在每个卷积特征图map1中，每个点的值都与其相邻的Q个点的值相比较，如果中心点的值不是最大值，则该点未赢得最大化；如果中心点是最大值，则该点赢得最大化操作；第二级的最大化操作是在不同卷积模块的卷积特征图map2之间进行，如果某一位置赢得了第一级的最大化操作，该位置的卷积结果需要跟相同尺度，不同角度卷积核的卷积结果再进行最大化操作，以此得到角度特征信息，类似的相同角度，不同尺度卷积核的卷积结果也要进行最大化操作，以得到尺度特征信息，经过两级的最大化操作，得到提取出包含角度和尺度信息的特征信息，用于后续的识别。